用于视觉注视、探索与搜索的任务分类模型
机器学习
2019-07-31 v1 计算机视觉与模式识别
机器学习
摘要
Yarbus 关于从眼动解码观察者任务的论断引起了褒贬不一的反应。本文中，我们支持了任务可被解码的假设。我们在数据集上进行了探索性分析，将特征与数据点投影至散点图以可视化各任务的细微属性。在此分析之后，我们在训练 SVM 与 Ada Boosting 分类器以从该滤波后的眼动数据预测任务之前，剔除了高度相关的特征。我们在该任务分类问题上取得了 95.4% 的准确率，从而支持了从用户眼动数据可进行任务分类的假设。
引用
@article{arxiv.1907.12635,
title = {Task Classification Model for Visual Fixation, Exploration, and Search},
author = {Ayush Kumar and Anjul Tyagi and Michael Burch and Daniel Weiskopf and Klaus Mueller},
journal= {arXiv preprint arXiv:1907.12635},
year = {2019}
}
备注
4 pages